After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Vizualizarea eficientă a datelor este piatra de temelie a data science-ului de impact. Vizualizarea te ajută atât să descoperi informații valoroase în date, cât și să le comunici publicului tău. Fiecare parcurge etapa de bază – scatter plot-uri și diagrame cu bare – pe drumul spre a deveni data scientist, însă adevăratul potențial al vizualizării datelor se dezvăluie atunci când te oprești și te gândești la ce, de ce și cum vizualizezi. În acest curs vei învăța să construiești vizualizări atractive și convingătoare, care te ajută să comunici rezultatele analizelor tale eficient și clar. Vom aborda compararea datelor, utilizarea culorii, reprezentarea incertitudinii și cum să alegi vizualizarea potrivită pentru publicul tău – prin explorarea unor seturi de date despre poluarea aerului în SUA și piețele de agricultori. Vom încheia cursul examinând date deschise despre piețele de agricultori, pentru a construi un raport vizual rafinat și de impact.
Cerințe prealabile
Curriculum
Structura cursului
1
Evidențierea datelor
Cum afișezi toate datele, asigurându-te totodată că privitorii nu ratează punctele importante? Discutăm despre cum să ghidezi privitorul prin date cu ajutorul culorilor și al textului. Introducem și un set de date despre valorile poluanților comuni din Statele Unite.
- Evidențierea datelor50 XP
- Evidențierea manuală a unui punct100 XP
- Crearea unui highlight prin cod100 XP
- Compararea grupurilor50 XP
- Comparație cu două KDE-uri100 XP
- Îmbunătățirea graficelor KDE100 XP
- Beeswarm-uri100 XP
- Adnotări50 XP
- O adnotare text de bază100 XP
- Adnotări cu săgeți100 XP
- Combinarea adnotărilor cu culoarea100 XP
2
Utilizarea culorii în vizualizări
Culoarea este un instrument puternic pentru codificarea valorilor în vizualizarea datelor. Însă această putere vine la pachet cu riscuri. În acest capitol discutăm despre cum să alegi o paletă de culori potrivită pentru vizualizarea ta, în funcție de tipul de date reprezentat.
3
Reprezentarea incertitudinii
Incertitudinea apare peste tot în data science, dar este adesea omisă din vizualizările în care ar trebui inclusă. Recapitulăm ce este un interval de încredere și cum să îl vizualizezi atât pentru estimări punctuale, cât și pentru funcții continue. Discutăm, de asemenea, tehnica de reeșantionare bootstrap pentru evaluarea incertitudinii și modul corect de a o reprezenta vizual.
4
Vizualizarea în fluxul de lucru al data science-ului
Vizualizarea este adesea predată izolat, cu bune practici discutate doar în mod general. În realitate, va trebui să adaptezi regulile în funcție de context. De la vizualizări exploratorii brute până la ajustarea dimensiunilor fonturilor în produsul final – în acest capitol descoperim cum să optimizezi vizualizările la fiecare etapă a unui flux de lucru în data science.
Îmbunătățirea vizualizărilor de date în Python
Curs
finalizat
